\n\n
許燕松，就職於貝殼找房，擔任貝殼找房智慧型推薦平台負責人一職。碩士畢業於美國匹茲堡大學資訊科學專業。先後就職於當當網，聚美優品負責個性化推薦系統的研發工作，有多年的推薦系統的實踐經驗。主要研究推薦系統領域的系統架構設計與策略演算法的應用。在貝殼找房主導了智慧型推薦平台的架構公升級與演算法迭代工作。通過架構的公升級大幅提公升了推薦架構的靈活性與迭代效率。通過演算法的多次迭代不斷提公升推薦的效果。
\ninfoq：請您先介紹一下您的工作經歷，以及您在貝殼找房所在的團隊負責的工作。
\n許燕松：我一直從事推薦研發相關工作，已經有很多年了，在我最開始的時候是先在噹噹，當時是第一次接觸推薦相關的工作內容。那會兒我主要負責噹噹的個性化push還有母嬰品類相關的推薦，尤其是在做母嬰品類推薦的時候我還自研了一套母嬰相關的單獨的乙個推薦策略。後來就加入到聚美優品，負責整個聚美的推薦演算法和使用者畫像相關的工作。在聚美的這段經歷讓我得到了更全方面的發展，讓我知道如何去hold住乙個完整的推薦系統。
\n後來現在我又來到貝殼找房，在貝殼的這段經歷讓我知道如何把乙個推薦系統做得更好，如何把乙個相對封閉的推薦系統轉變成乙個智慧型推薦平台。這就是我主要的一些工作經歷。
\n\n
許燕松：很多種策略，包括協同過濾的策略，基於使用者畫像的推薦策略，一些基於業務規則的推薦策略。這些策略本身都有各自的優缺點，我們並不是每乙個場景只用一種，我們會混合著來用，這樣不同策略之間就會形成互補，達到最優的乙個效果。
\n\n
許燕松：可以說我們整個智慧型推薦平台是跟著貝殼找房一起發展壯大的，它主要經歷了三個階段：第乙個是初創階段，第二個階段是快速發展階段，第三個階段是平台化的階段。
\n每個階段面臨著不同的問題：比如說在初創階段，這時候我們使用者需要提公升找房的效率，我們所收錄的這些**需要得到更好的**，並且這個階段我們的資料是非常不完備的。所以在這個階段我們主要是想快速實現推薦系統從0到1，從無到有的這麼乙個快速實現。所以在那個階段沒有用太複雜的推薦策略。
\n在快速發展階段，隨著我們的資料積累，我們加入了各種各樣的個性化策略，比如我提到的基於協同過濾的推薦策略、基於使用者畫像的推薦策略。有了這些策略之後，我們整個推薦相當於更上了一層樓。
\n此外我們在平台化的階段，我們去做了整個智慧型推薦平台的大公升級。通過這次公升級之後，可以說我們整個智慧型推薦平台在這個階段就真的成為乙個平台了，我們支援了快速的業務接入，以前乙個業務的接入可能需要五個工作日，現在乙個工作日就可以搞定了。而且在策略方面，我們加入了實時化的推薦策略，還加入了很多更為精準的推薦策略，比如說我們有lr模型做了乙個精準排序。這就是整個貝殼的發展歷程。
\ninfoq：在不同的階段利用了不同的策略。
\n許燕松：對，主要是針對當時面臨的背景和不同的問題，有針對性地去解決。
\n\n
許燕松：因為我們叫智慧型推薦平台，所以第一點就是讓智慧型推薦平台更加智慧型。目前我們做策略的優化都是人去做ab試驗，通過ab試驗的結果來不斷地調整我們的策略。我們希望以後不通過人去做ab試驗，通過線上的資料實時地反饋，讓機器自己去學習如何去調優，這樣才能真正說我們是乙個智慧型的推薦平台。
\n還有就是我們想在架構上加入更複雜模型的**，比如說wdl模型。wdl也可以在我們的演算法上有很大的要求，所以我們在演算法上也要做乙個深耕。這就是我們未來在這塊想要做的事情。
\n\n
許燕松：我所在的部門叫資料智慧型部，我們部門除了智慧型推薦平台還有很多其他的產品。比如說為了評估乙個**的真實價值，我們提供了乙個智慧型估價系統，它是用來給**進行估價的。
\n為了更好地提公升使用者體驗，我們還建立了智慧型的客服系統，智慧型客服系統你去問答的時候，它可以智慧型地給你回答，提公升了使用者的問答效率。
\n
推薦系統實踐 好的推薦系統
一 好的推薦系統 1.什麼是推薦系統 從某種意義上說，推薦系統和搜尋引擎對於用語來說是兩個互補的工具。搜尋引擎滿足了使用者有明確目的時的主動查詢需求，而推薦系統能夠在使用者沒有明確目的的時候幫助他們發現感興趣的內容。分為社會化推薦，基於內容的推薦和基於協同過濾的推薦。目前廣告投放的技術主要分三種 上...
推薦系統實踐
實驗方法 測評指標 測評維度 使用者活躍度和物品流行度 長尾分布 一般來說，不活躍的使用者要麼是新使用者，要麼是只來過 一兩次的老使用者。那麼，不同活躍度的使用者喜歡的物品的流行度是否有差別？一般認為，新使用者傾向於瀏覽熱門的物品，因為他們對 還不熟悉，只能點選首頁的熱門物品，而老使用者會逐漸開始瀏...
推薦系統11 《推薦系統實踐》總結
在之前我也看了很多人寫的推薦系統的部落格，理論的 演算法的都有，多是個人的理解和感悟，雖然很深刻，但是對於自己而言還是不成系統，於是我參考大牛項亮編著的 推薦系統實踐 將該領域知識系統整理一遍，與大家一起學習。本系列對應的 請檢視 前面總結推薦系統常用的資料 演算法 架構等，具體內容清檢視本系列推薦...